Lección 3 de 31 · De PHP a awk✦ WebMCP implementado
$0, $1 y NF: la línea ya viene troceada
8 min de lectura4 retos
Ya sabes que awk te da cada línea troceada: $1, $7, $9. En esta lección miras esos trozos más de cerca: cuántos tiene cada línea, cómo pedir el último sin saber cuántos hay y qué pasa si pides uno que no existe. Es todo lo que en PHP haces con count() y los corchetes.
¿De dónde vienen los nombres?
campo = inglés field
Cada trozo de la línea que queda entre espacios. Es un elemento del array que te devuelve explode() o preg_split() en PHP.
NF = Number of Fields (número de campos)
Cuántos campos tiene la línea que awk está leyendo ahora. Es tu count($campos). Se escribe en mayúsculas y sin dólar.
$NF = «el campo número NF»
El último campo de la línea. No es un nombre nuevo: es el dólar de siempre («el campo número…») seguido de NF. En PHP 8.5 es array_last($campos).
user agent = inglés user agent (agente del usuario)
El texto con el que se presenta el programa que hace la visita: un navegador, curl, el robot de Google. En PHP lo lees en $_SERVER['HTTP_USER_AGENT']. En el log va al final de la línea.
En 4 ideas
1/4
$0 es la línea entera y $1, $2… sus trozos. En PHP son $linea y $campos[0], $campos[1]…, pero awk cuenta desde 1.
NF es cuántos campos tiene la línea actual: tu count($campos). Cambia de una línea a otra, porque no todas tienen los mismos trozos.
$NF es el último campo y $(NF-1) el penúltimo. En PHP: array_last($campos) y $campos[count($campos) - 2].
Pedir un campo que no existe ($40) no da error: vale texto vacío. En PHP saltaría un aviso de Undefined array key.
1 · La línea y sus trozos
Cada vez que awk lee una línea hace dos cosas antes de ejecutar tu programa. Guarda la línea tal cual en $0. Y la corta por los espacios en campos, que numera desde el 1. Es como una tableta de chocolate: $0 es la tableta entera y $1, $2, $3… son las onzas.
Estos son los campos del log que más vas a usar en el curso:
Campo
Qué hay
En la primera línea del log
$0
La línea entera, sin cortar
203.0.113.7 - - [19/Nov/2026:10:15:32 …
$1
La IP de quien visita
203.0.113.7
$4
La fecha y la hora (con un corchete delante)
[19/Nov/2026:10:15:32
$7
La página que pidió (la URL)
/
$9
El estado de la respuesta
200
$10
Los bytes que se enviaron
5123
A la izquierda, el PHP que saca el estado y los bytes de cada visita. A la derecha, lo mismo en awk. Fíjate en los números de dentro de los corchetes y en los de detrás del dólar.
PHP 8.5estado-y-bytes.php
<?php$lineas = file("access.log", FILE_IGNORE_NEW_LINES);
foreach ($lineasas$linea) {
// trocear por los espacios: awk ya lo trae hecho$campos = preg_split('/\s+/', trim($linea));
// PHP cuenta desde 0: el campo 9 es el índice 8echo$campos[8], " ", $campos[9], PHP_EOL;
}
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
⏱ Medido en el servidor del curso con access.log multiplicado hasta 1.000.000 líneas: PHP 8.5: 2,36 s · gawk: 620 ms · mawk: 570 ms. awk tarda 4,1 veces menos que PHP.
¿Por qué? · En PHP no existe
¿Por qué awk cuenta desde 1 y no desde 0, como PHP?
Porque awk está pensado para leer ficheros como los lee una persona. Nadie dice «la columna cero de la tabla»: decimos la primera, la segunda, la tercera. Así, «el campo 9» es de verdad el noveno trozo que ves en la línea, y puedes contarlos con el dedo.
Además, eso dejó libre el número 0 para algo útil: la línea completa. ¿Qué fallo trae para alguien de PHP? Que al traducir un script de cabeza escribas $8 donde va $9. awk no avisa: imprime otro trozo y ya está. Si la salida no es la que esperas, cuenta los campos.
2 · NF: cuántos campos tiene la línea
awk lleva la cuenta de los trozos de cada línea en una variable que ya viene hecha: NF. Se escribe en mayúsculas y sin dólar. Este programa imprime cuántos campos tiene cada línea y de qué IP es:
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
No sale el mismo número en todas: hay líneas de 12 campos, de 15, de 18, de 23 y de 28. NF se recalcula con cada línea, igual que tu count($campos) da un resultado distinto en cada vuelta del foreach.
Como NF es un número, sirve de patrón. ¿Recuerdas == de la lección anterior? Estas son las líneas que tienen justo 15 campos:
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
3 · $NF: el último campo
Si cada línea tiene un número distinto de campos, ¿cómo pides el último? En una línea es el 12, en otra el 23. No puedes escribir un número fijo. La solución es poner NF detrás del dólar:
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
Léelo despacio. El dólar significa «el campo número…». Y NF es un número: 12 en una línea, 23 en otra. Así que $NF es «el campo número 12» en la primera y «el campo número 23» en la segunda. Siempre el último, tenga los que tenga.
Quieres
PHP 8.5
awk
Cuántos campos hay
count($campos)
NF
El último campo
array_last($campos)
$NF
El penúltimo
$campos[count($campos) - 2]
$(NF-1)
El primero
array_first($campos) o $campos[0]
$1
¿Por qué? · En PHP no existe
¿Por qué NF y $NF son cosas distintas, si solo cambia un dólar?
En PHP el dólar forma parte del nombre: $total es la variable y total a secas no es nada. En awk el dólar es una operación, como el signo menos. Coge el número que tiene a su derecha y te devuelve el campo que está en esa posición.
Piensa en un bloque de pisos. NF es el número de plantas del edificio: 12. $NF es quien vive en la planta 12. Una cosa es un número y la otra es lo que hay en ese sitio.
¿Qué fallo nuevo trae? Que se te escape un dólar de más o de menos y awk no proteste. print NF imprime 12 cuando querías el navegador. Y $NF == 12 no pregunta si la línea tiene 12 campos: pregunta si el último campo vale 12. Las dos cosas se ejecutan sin error.
Detrás del dólar puedes poner una cuenta, no solo un número o NF. Para el penúltimo campo, la cuenta es NF-1, y va entre paréntesis:
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
4 · Un campo que no existe vale vacío
Ninguna línea del log llega a los 40 campos. ¿Qué pasa si pides el campo 40? En PHP, $campos[40] lanza un aviso de Undefined array key. En awk no pasa nada: vale texto vacío. Para que se vea, este programa lo imprime entre corchetes:
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
Entre los corchetes no hay nada. awk no se queja, no se para y sigue con la línea siguiente. Es lo que en PHP consigues escribiendo $campos[40] ?? "" cada vez.
¿Por qué? · En PHP no existe
¿Por qué awk no avisa de un campo que no existe?
Porque los ficheros de verdad vienen sucios: una línea cortada a medias, una línea en blanco, una petición rara de un robot. Si awk se parase en cada línea a la que le falta un trozo, no terminarías nunca de leer un log de un millón de líneas. Prefiere darte un vacío y seguir.
¿Qué fallo nuevo trae? El mismo que evita. Si te equivocas de número y escribes $19 donde querías $9, no hay aviso: verás líneas en blanco, o columnas vacías, y tendrás que darte cuenta tú. En PHP el warning te habría llevado a la línea exacta.
5 · El navegador ocupa varios campos
¿Por qué unas líneas tienen 12 campos y otras 28, si todas apuntan lo mismo? Por el final de la línea. Ahí está el user agent: el texto con el que se presenta el programa que hace la visita. Y ese texto puede llevar espacios dentro.
El user agent empieza en el campo 12. Mira qué hay en ese campo en cada línea:
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
En las líneas de 12 campos sale entero: "curl/8.5.0", con sus comillas de apertura y de cierre. Es un programa de terminal y se presenta con una sola palabra. En las demás solo sale "Mozilla/5.0, con la comilla de apertura y sin la de cierre. El resto se ha quedado en los campos 13, 14, 15…
awk corta por los espacios y no sabe nada de comillas. Para él, "Mozilla/5.0 (X11; Linux x86_64; rv:131.0) Gecko/20100101 Firefox/131.0" no es un dato: son siete trozos. Es como cortar una frase por los espacios para sacar el nombre de alguien que se llama «María del Mar»: te salen tres trozos donde había un solo nombre.
Por eso NF cambia: cuantas más palabras tiene el user agent, más campos tiene la línea.
Por eso los campos del principio ($1, $7, $9, $10) son de fiar: están antes de la parte que baila.
Y por eso $NF es solo el último trozo del user agent, no el user agent entero.
La pregunta que te vas a hacer
Entonces, ¿cómo saco el navegador entero, con sus espacios?
Diciéndole a awk que corte por otro sitio. Si en vez de cortar por los espacios cortas por las comillas dobles, el user agent entero cae en un solo campo. Eso se hace cambiando el separador, y es justo el tema del módulo 02 (lecciones «FS y -F» y «Anatomía del access log»).
Mientras tanto ya puedes hacer cosas útiles con lo que sabes. Un navegador de verdad se presenta con muchas palabras. Un script (curl, un programa en Python) casi siempre con una. Así que una línea de exactamente 12 campos suele ser una visita de un programa, no de una persona. Lo usarás en el último reto.
Imprime, por cada línea del log, cuántos campos tiene y la página que se pidió (el campo 7), separados por un espacio. Para la primera línea debe salir 18 /. En PHP sería echo count($campos), " ", $campos[6], PHP_EOL;.
Al pulsar Comprobar, tu programa se ejecuta en tu navegador con el fichero que ves y con otro distinto que no ves: tiene que acertar con los dos.
awkprograma.awk · editable
$ awk -f programa.awk access.log
¿Qué significa esta línea?
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
Pista. El número de campos de la línea está en una variable que awk rellena solo. Se escribe con dos letras mayúsculas y sin dólar. No olvides la coma para que salga el espacio.
Reto 2 de 4 · ✓ Resuelto
El último trozo de cada línea
El programa quiere imprimir la IP y el último campo de cada línea, pero imprime la IP y un número. Arréglalo. Para la primera línea debe salir 203.0.113.7 Firefox/131.0" (sí, con la comilla del final: forma parte del campo). En PHP 8.5 sería echo $campos[0], " ", array_last($campos), PHP_EOL;.
Al pulsar Comprobar, tu programa se ejecuta en tu navegador con el fichero que ves y con otro distinto que no ves: tiene que acertar con los dos.
awkprograma.awk · editable
$ awk -f programa.awk access.log
¿Qué significa esta línea?
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
Pista.NF es cuántos campos hay. Para pedir el campo que está en esa posición le falta un símbolo delante.
Reto 3 de 4 · ✓ Resuelto
El penúltimo
El programa debería imprimir el penúltimo campo de cada línea, pero imprime -1 en todas. Arréglalo. Para la primera línea debe salir Gecko/20100101. En PHP sería echo $campos[count($campos) - 2], PHP_EOL;.
Al pulsar Comprobar, tu programa se ejecuta en tu navegador con el fichero que ves y con otro distinto que no ves: tiene que acertar con los dos.
awkprograma.awk · editable
$ awk -f programa.awk access.log
¿Qué significa esta línea?
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
Pista. Tal como está, awk coge primero el último campo y después le resta 1. Tú quieres que primero haga la resta y después coja el campo. ¿Qué se usa en matemáticas (y en PHP) para decir qué va primero?
Reto 4 de 4 · ✓ Resuelto
Visitas de programas, no de personas
Un navegador se presenta con muchas palabras; un script, con una sola. Por eso las líneas de exactamente 12 campos son visitas de programas. Imprime la IP y el último campo solo de esas líneas, separados por un espacio: por ejemplo 198.51.100.4 "curl/8.5.0". El programa que tienes lo intenta, pero no imprime nada. En PHP sería if (count($campos) == 12) { echo $campos[0], " ", array_last($campos), PHP_EOL; }.
Al pulsar Comprobar, tu programa se ejecuta en tu navegador con el fichero que ves y con otro distinto que no ves: tiene que acertar con los dos.
awkprograma.awk · editable
$ awk -f programa.awk access.log
¿Qué significa esta línea?
awk: el programa que lee el fichero. En tu servidor puede ser gawk (el de este curso) o mawk (el de Debian y Ubuntu).
-f programa.awk: f de file (fichero). El programa no va escrito en la línea, está guardado en el fichero programa.awk: es lo que ves en la pestaña del mismo nombre. Sin -f, el programa se escribe entre comillas simples: awk '{ print $1 }' access.log.
access.log: los datos, el fichero que awk lee línea a línea. Va siempre al final y puede haber varios: los lee uno detrás de otro.
Las variantes (una línea, varios ficheros, tuberías con |) y qué formatos puede leer awk: lección Una línea o un fichero.
Pista. Lee el patrón en voz alta: «si el último campo vale 12». ¿Es eso lo que quieres preguntar, o quieres preguntar por el número de campos? Sobra un símbolo.
Resumen
Lo que te llevas de esta lección
$0 es la línea entera ($linea) y $1…$n sus trozos ($campos[0]…). awk cuenta desde 1; PHP, desde 0.
NF = cuántos campos tiene la línea actual. Es count($campos) y cambia en cada línea.
$NF = el último campo (array_last($campos)). $(NF-1) = el penúltimo, con paréntesis.
El dólar es una operación: «el campo número…». NF es un número; $NF, lo que hay en esa posición.
Un campo que no existe vale texto vacío y no da error. En PHP sería $campos[40] ?? "".
El user agent tiene espacios, así que ocupa varios campos: por eso NF cambia de una línea a otra.
Para recordarlo: «Sin dólar, cuántos; con dólar, el último»
NNumber número
FFields de campos
NF cuenta los campos y $NF te da el que está al final. Si dudas, lee el dólar en voz alta: «el campo número…». $NF es «el campo número cuántos-hay».